gms | German Medical Science

Hintergrund: Mikrovaskuläre Transplantate gelten als Goldstandard für die Rekonstruktion von Defekten im Kopf-Hals-Bereich. Postoperative Komplikationen (transplantatbezogen, chirurgisch, medizinisch) treten jedoch in bis zu 68% der Fälle auf [1]. Die allgemeine Implementierung von ERAS (Enhanced Recovery After Surgery) Protokollen ist aufwendig und erfordert unterstützende Kliniker und ein geeignetes Krankenhaus-/Verwaltungsumfeld [2]. Das Ziel dieser Studie ist es daher, mit Hilfe von maschinellen Lernmodellen Patienten mit erhöhtem Risiko zu identifizieren, um sie für eine intensivere postoperative Behandlung zu stratifizieren.

Methode: Wir haben ein klinisches Vorhersagemodell mit maschinellem Lernen entwickelt, das auf Routinedaten einer retrospektiven Kohorte von 667 Patienten basiert, die sich einer mikrovaskulären Rekonstruktion im Kopf- und Halsbereich unterzogen haben. Die Aufenthaltsdauer (AHD) wurde als Surrogatparameter für Komplikationen verwendet und in 3 Gruppen eingeteilt (≤14 Tage, 15-21 Tage, >21 Tage). Als Risikofaktoren wurden Alter, Geschlecht, BMI, ASA, CCI, Transplantattyp, Operationsdauer, Art der Neck Dissection und Tracheostoma verwendet.

Ergebnis: Insgesamt wurden 302 Frauen und 365 Männer in die Studie eingeschlossen. Bei 226 (33,9%) Patienten betrug die Verweildauer bis zu 14 Tage, bei 224 (33,6%) bis zu 21 Tage und bei 217 (32,5%) länger als 21 Tage. Eine längere AHD war mit einer höheren Anzahl transplantations-, operations- und medikamentenbedingter Komplikationen assoziiert. Die entwickelten Modelle erreichten eine ROC-AUC von 0,745 für die Vorhersage einer AHD >14 Tage (Zielsensitivität 80%, erreichte Spezifität 42,5%) und eine ROC-AUC von 0,669 für eine AHD >21 Tage (Zielsensitivität 80%, erreichte Spezifität 53,8%).

Schlussfolgerung: Für den Einsatz in der klinischen Praxis sollte ein klinischer Score abgeleitet und prospektiv validiert werden, um als zusätzliches Werkzeug in ERAS-Protokollen verwendet werden zu können. Diese Studie zeigt das Potential von maschinellem Lernen mit Routinedaten für weitere mögliche Ansätze im Bereich von mikrovaskulärer Rekonstruktion des Kopfes und Halses.

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Die Autoren geben an, dass ein positives Ethikvotum vorliegt.

Der Beitrag wurde bereits publiziert: Der Abstract wurde bereits mit einem klinischen Fokus auf der EACMFS 2022 (26th Congress of the European Association for Cranio-Maxillofacial Surgery) in Madrid in Englisch vorgestellt.